Oyentes de hard rock y hip-hop reciben recomendaciones algorítmicas menos precisas, según estudio

Los sistemas de recomendación musical que funcionan en base a algoritmos, como los de las plataformas de música en streaming, podrían hacer sugerencias menos precisas para determinados usuarios en función de la música que escuchan.

A esa conclusión llegó una investigación publicada recientemente, que analizó una muestra de escucha obtenida desde Last.fm.

Se marca la diferencia entre las sugerencias que pueden recibir los oyentes de música de estilos como el hard rock o el hip-hop, que resultaron ser menos acertadas que las recomendaciones que reciben las personas que son más habituales en tipos de música menos convencionales, que resultaron ser más acertadas.

La investigación fue desarrollada por un equipo de la Universidad Tecnológica de Graz, Know-Center GmbH, la Universidad Johannes Kepler de Linz, la Universidad de Innsbruck, Austria y la Universidad de Utrecht, Países Bajos.

Este análisis realizado sobre el trabajo de los algoritmos al momento de plantar recomendaciones, utilizó para su investigación un conjunto de datos compuesto por los historiales de escucha de 4148 usuarios de la plataforma Last.fm. Esta muestra se dividió en dos grupos iguales, cada uno con 2074 usuarios, separados por el predominio de los streams de música “convencional” o “no convencional”.

De aquel conjunto de datos fueron filtrados los artistas escuchados con mayor frecuencia por los usuarios, para someterlos a un modelo computacional de análisis, con el fin de predecir qué tan probable es que las recomendaciones terminen siendo del agrado de sus destinatarios.

La tarea de clasificar a los oyentes bajo un criterio de predominio de preferencias musicales “no convencionales” se desarrolló con la ayuda de un algoritmo. Estos grupos son: oyentes de géneros musicales que contienen solo instrumentos acústicos como canciones populares, oyentes de música de alta energía (como el hard rock y el hip-hop antes mencionados), oyentes de música con instrumentos acústicos sin voz humana y música electrónica. La contraparte de este grupo se formó en base a los restantes géneros musicales.

Posteriormente, se compararon los historiales de reproducción de cada grupo para determinar qué usuarios escuchaban música fuera de sus artistas favoritos y la variedad de géneros musicales que se escuchaban en cada grupo.

Los resultados del análisis revelaron que las recomendaciones algorítmicas resultaron ser más efectivas en el grupo de oyentes de música no convencional.

Observaciones del equipo de investigación

Elisabeth Lex, autora titular del estudio, comentó que estos resultados "indican que las preferencias musicales de quienes escuchan principalmente música ambiental pueden predecirse más fácilmente mediante algoritmos de recomendación musical que las preferencias de quienes escuchan música como hard rock y hip-hop".

Más en profundidad, Lex agregó que «a medida que se han hecho disponibles quantitas cada vez mayores de música a través de los servicios de transmisión de música, los sistemas de recomendación de música se han vuelto esenciales para ayudar a los usuarios a buscar, clasificador y filtracero colecciones de música extensas. Es posible que las técnicas de recomendación musical de última generación no proporcionen recomendaciones de calidad para los oyentes de música no convencional. Esto podría deberse al hecho de que los algoritmos de recomendación de música están sesgados hacia la música más popular, lo que hace menos probable que los algoritmos de recomendación de música no convencional.

Una precisión importante, comentada en el estudio, es que los hallazgos realizados no pueden ser representativos de todo, basándose únicamente en datos de una sola fuente.

La publicación de este estudio está disponible en la revista Ciencia de datos EPJ.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subir
error: Content is protected !!